专利名称：一种基于梯度学习的超分辨率图像放大方法
技术领域：
本发明涉及数字家庭技术领域，尤其涉及一种基于梯度学习的超分辨率图像放大方法。
背景技术：
在大量的电子图像应用领域，人们经常期望得到高分辨率(简称HR)图像。高分辨率意味着图像中的像素密度高，能够提供更多的细节，而这些细节在许多实际应用中不可或缺。例如，高分辨率医疗图像对于医生做出正确的诊断是非常有帮助的；使用高分辨率卫星图像就很容易从相似物中区别相似的对象；如果能够提供高分辨的图像，计算机视觉中的模式识别的性能就会大大提高。自从上世纪七十年代以来，电荷耦合器件(CXD)、CMOS图像传感器已被广泛用来 捕获数字图像。尽管对于大多数的图像应用来说这些传感器是合适的，但是当前的分辨率水平和消费价格不能满足今后的需求。因此，寻找ー种增强当前分辨率水平的方法是非常必须的。图像放大是图像处理领域重要且基础的操作之一，该技术指利用一幅或多幅同一场景的图像来提高描述该场景图像的分辨率，得到一幅更为清晰的分辨率更大的图像。为了提高图像的分辨率，最常见的方法是插值法，包括最近邻插值、双线性插值和立方卷积插值等。近年来，通过使用超分辨率技术获取高分辨率图像已成为图像复原的热门研究方向之一。超分辨率技术是指通过一定的技术手段，由低分辨率图像生成高分辨率图像的技木。到目前为止超分辨率(简称SR)图像放大主要有两种主要的方法I、基于重建的图像放大；2、基于样本学习方法的图像放大。图像插值算法原理简单，复杂度低，易于实现，但这种方法只是考察周围像素点和待插像素点的相关性进行插值[1，2]，在边缘、纹理等人眼敏感的位置不可避免的会出现模糊、伪影等现象。插值法会导致放大后的图像轮廓模糊，高频成分受损，因而效果不是很好。基于重建的图像放大方法把寻找放大了的图像看成ー个求解逆问题的过程，通过引入一系列的先验知识来做逆问题的约束条件，压缩解空间，使之得到符合一定条件的图像。但先验知识的获取需要做大量的前期统计工作，同时待放大图像应和统计工作中分析的图像类别一致才能有较为理想的效果。基于样本学习的图像放大方法是近几年来的ー个热点，它通过外在的图像数据库寻找不同分辨率图像间的关系以试图恢复出待放大图像的高频成分。由于该方需要用到外界信息，因此算法的计算量很大，同时存在着库中的图像片和待放大图像片的“距离”很小，但视觉差别却很大的情况，降低了放大图像的质量。
发明内容
基于现有技术存在的问题，本发明采用了ー种平滑的、保存高频并能对未知高频进行预测的超分辨图像技木，为了达到上述目的，本发明采用了一种基于梯度学习的超分辨率图像放大方法。本发明实施例提供了一种基于梯度学习的超分辨率图像放大方法，所述方法包括输入待放大的RGB色彩模式的图像；将RGB色彩模式的图像转到YUV色彩模式的图像；将YUV色彩模式的图像进行通道分离处理，分离出明亮度通道和色度饱和度通道；
对分离出的色度饱和度通道基于插值方法放大所需的倍数；对分离出的明亮度通道基于梯度学习放大所需的倍数；将放大倍数后的色度饱和度通道和放大倍数后的明亮度通道进行空间联结，转换到RGB空间，获得放大倍数下的RGB色彩模式的图像；输出放大后的RGB色彩模式的图像。所述对分离出的色度饱和度通道基于图像插值方法放大所需的倍数包括首先对分理处的色度饱和度通道进行预处理，然后基于插值方法对分离出的色度饱和度通道进行倍数的放大。所述对分离出的明亮度通道基于梯度学习放大所需的倍数包括对分离出的明亮度通道上的图像进行分块处理；并基于图像块进行特征提取获得特征向量，求出与待放大图像块的特征向量最近的向量，计算出向量系数；根据向量系数的线性组合，将低分辨率梯度图像用高分辨率梯度图像块线性表示出来，直到遍历完成待放大梯度图像。综上，通过实施本发明实施例，本发明将图像放大处理过程转换到亮度域中进行处理，摒除了图像颜色在图像处理过程的干扰，放大后的图像没有亮斑。对亮度域图像求其梯度，明确的保留了图像的高频信息，避免了高频信息的丢失，对于其后的学习过程大有裨益。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图I是本发明实施例中的基于梯度学习的超分辨率图像放大方法流程图；图2是本发明实施例中的低分辨率梯度图像分块规则示意图。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明的实施提供的基于梯度学习的超分辨图像放大方法，其首先将RGB色彩模 式的图像转换成YUV色彩模式的图像，井分别基于明亮度通道即Y通道和色度饱和度通道 即UV通道的方分离处理，对分离出的UV通道通过插值方法放大所需的倍数，对Y通道基于 梯度学习放大的方法放大所需的倍数，让后再进行空间联结，转换成RGB空间完成了 RGB图 像的放大处理。具体的，图I示出了本发明实施例中的基于梯度学习的超分辨率图像放大方法的 流程图，包括如下步骤SlOl :输入待放大的RGB图像；S102 :将RGB图像转成YUV图像，并进行Y通道与UV通道的分离；利用函数rgb2ntsc ()将RGB色彩模式的图像转换到YUV色彩模式，YUV色彩模式 有三个通道，提取出Y通道即明亮度通道，则剩余部分为UV通道即色度饱和度通道，达到分 离出UV通道的目的。RGB色彩模式是エ业界的ー种颜色标准，是通过对红(R)、绿(G)、蓝 (B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代 表红、緑、蓝三个通道的顔色，这个标准几乎包括了人类视カ所能感知的所有顔色，是目前 运用最广的颜色系统之一。将RGB色彩模式的图像转换到YUV色彩模式。YUV色彩模式在计算机里的表示形 式是ー个MXNX3的三维矩阵，用YUV(ai，aj，ak)表示，其中ai和aj的取值范围为0 255，ak的取值为1，2，3。YUV色彩模式下，YUV(ai, aj，l)就表示明亮度Y通道，YUV(ai, aj，2)和YUV(ai，aj，3)就表示色度U和饱和度V通道。在明亮度Y通道上对图像求其梯 度图，可以将图像的高频信息很好的保存下来，对于后续的梯度学习提供信息基础。S103 :将图像分块 P(L);将给定的给定输入的低分辨率梯度图像，按照下述规则分块，具体可參阅图2，图 中蓝色部分为图像块，每个图像块为3X3像素的，红色部分为相邻图像块之间的重叠部分， 重叠的像素个数为I个。将学习库中的低分辨率图像Ls、学习库中的高分辨率图像Hs、待放 大图像Lt进行如上图所示分块，所对应的图像块集合分别记为P(Ls)、p(Hs)、p(Lt)。p(Ls) 和P(Hs)中的图像块的个数相同，并且集合p(Ls)、p(Hs) —一对应。对于训练图像块集合 P(Ls)和p (Hs)，其大小为Ns，即为集合中元素的个数。Nt的大小与图像自身的大小有关以及 图像块的大小和相邻图像块之间重叠部分的大小有夫。待放大图像块集合P (Lt)，其大小为 Nt。S104:图像特征提取；由于矩阵的表示形式决定了其只能进行几种简单的运算，因此在实际操作中，一 般将其转换成向量的形式，而转换的方法也多种多样，通常将矩阵的所有行元素放到同一 行中，从而达到将矩阵转换成行向量的目的。这种方法简单且容易实现，但这种方法并不能 反映出图像块的边缘等特征信息。本文则是提取图像的特征向量，这种方法在一定程度上 能反映出原矩阵的特征信息。
权利要求
1.ー种基于图像传输的加密方法，其特征在于，包括 根据消息摘要算法第五版MD5算法计算得到待加密图片中数字图像的MD5值； 解析所述数字图像的像素矩阵； 根据像素的分块顺序，以16个像素为分块形成的像素矩阵与MD5值进行异或运算，形成加密图片； 将所述加密图片传输到解密端。
2.如权利要求I所述的基于图像传输的加密方法，其特征在于，所述方法还包括 检测加密图片的加密效果，如果加密效果达不到预先设置的门限值，则基于D5算法对加密图片再次加密，直到所述加密效果达到预先设置的门限值。
3.如权利要求I或2所述的基于图像传输的加密方法，其特征在于，所述根据像素的分块顺序，以16个像素为分块形成的像素矩阵与MD5值进行异或运算，形成加密图片具体包括 在加密过程中采取行像素矩阵从左到右，列像素从上到下的顺序，先行后列与MD5至进行异或运算；和/或 在加密过程中采取行像素矩阵从右到左，列像素从上到下的顺序，先行后列与MD5值进行异或运算；和/或 在加密过程中采取行像素从左到右，列像素从下到上，先行后列与MD5至进行异或运算；和/或 在加密的过程中采取行像素从右到左，列像素从下到上，先行后列与MD5至进行异或运算。
4.ー种基于图像传输的解密方法，其特征在于，包括 接收加密端发送的加密图片； 解析加密图片中的像素矩阵； 根据像素的分块顺序，以16个像素为分块形成的像素矩阵与MD5值进行异或运算，形成解密图片。
5.如权利要求4所述的基于图像传输的解密方法，其特征在于，所述方法之后还包括 计算所述解密图像MD5值判断所述加密图像是否经过篡改，如果经过篡改，则终止操作，如果没经过篡改，则根据已知的加密次数对解密图片进行相应的解密操作。
6.ー种基于图像传输的加密解密系统，其特征在于，所述系统包括加密端和解密端，其中 加密端用于根据消息摘要算法第五版MD5算法计算得到待加密图片中数字图像的MD5值；解析所述数字图像的像素矩阵；根据像素的分块顺序，以16个像素为分块形成的像素矩阵与MD5值进行异或运算，形成加密图片；将所述加密图片传输到解密端； 解密端用于接收加密端发送的加密图片；解析加密图片中的像素矩阵；根据像素的分块顺序，以16个像素为分块形成的像素矩阵与MD5值进行异或运算，形成解密图片。
7.如权利要求6所述的基于图像传输的加密解密系统，其特征在干， 所述加密端还用于检测加密图片的加密效果，如果加密效果达不到预先设置的门限值，则给予D5算法对加密图片再次加密，直到所述加密效果达到预先设置的门限值。
8.如权利要求7所述的基于图像传输的加密解密系统，其特征在于，在多次加密情况下，所述解密端还用于计算所述解密图像MD5值判断所述加密图像是否经过篡改，如果经过篡改，则终止操作；如果没经过篡改，则根据已知的加密次数对解密图像进行相应的解密操作。
9.如权利要求6至8任一项所述的基于图像传输的加密解密系统，其特征在于，所述加密端加密的方式包括 在加密过程中采取行像素矩阵从左到右，列像素从上到下的顺序，先行后列与MD5至进行异或运算；和/或 在加密过程中采取行像素矩阵从右到左，列像素从上到下的顺序，先行后列与MD5值进行异或运算；和/或 在加密过程中采取行像素从左到右，列像素从下到上，先行后列与MD5至进行异或运算；和/或 在加密的过程中采取行像素从右到左，列像素从下到上，先行后列与MD5至进行异或运算。
10.如权利要求9所述的基于图像传输的加密解密系统，其特征在于，所述加密端在多次加密过程中，采用同一种加密方式加密或者四种加密方式相互间的组合。
全文摘要
本发明实施例公开了一种基于梯度学习的超分辨率图像放大方法，所述方法包括输入待放大的RGB色彩模式的图像；将RGB色彩模式的图像转到YUV色彩模式的图像；将YUV色彩模式的图像进行通道分离处理，分离出明亮度通道和色度饱和度通道；对分离出的色度饱和度通道基于插值方法放大所需的倍数；对分离出的明亮度通道基于梯度学习放大所需的倍数；将放大倍数后的色度饱和度通道和放大倍数后的明亮度通道进行空间联结，转换到RGB空间，获得放大倍数下的RGB色彩模式的图像；输出放大后的RGB色彩模式的图像。通过实施本发明实施例，对亮度域图像求其梯度，明确的保留了图像的高频信息，避免了高频信息的丢失。
文档编号G06T5/00GK102665029SQ20121008917
公开日2012年9月12日 申请日期2012年3月29日 优先权日2012年3月29日
发明者彭晓翠, 林格, 王若梅, 罗笑南, 谭刘源 申请人:中山大学